ID3很不错的讲解(matlab程序实现)
1)决策树之ID3
决策树算法是分类算法的一种,基础是ID3算法,C4.5、C5.0都是对ID3的改进。ID3算法的基本思想是,选择信息增益最大的属性作为当前的分类属性。
看Tom M. Mitchell老师的《Machine Learing》第三章中的例子:
我们先解释一下这张表,表中有14条实例数据,就是我们的训练数据,其中 Outlook,Temperature,Humidity ,Wind 称作条件属性,PlayTennis 称作是决策属性(标签)。
每一个属性都有各自的值记做:Value(Outlook)={Sunny,OverCast,Rain},Value(Temperature)={Hot,Mild,Cool},Value(Humidity)={High,Normal},Value(Wind)={Strong,Weak},Value(PlayTennis)={NO,Yes}。
第一个重要的概念:Entropy。
我们数一下 决策属性PlayTennis,一共有两个类别:Yes,No。Yes的实例数是 9,No的实例数是 5。计算决策属性的Entropy(熵):,计算结果为:0.940286。
这里的决策属性S的值只有两个值(Yes,No),当然可以有多个值(s1,s2,s3,...,sk),这些决策属性的值的概率分别为:p1,p2,p3,...,pk所以决策属性的Entroy的计算公式:
第二个重要的概念:information gain(信息增益)
我们只拿Outlook条件属性举例,其他的属性一样:
Value(Outlook)={Sunny,OverCast,Rain}:Outlook是sunny的实例数为5(其中Yes的个数为2,No的个数为3),占总的实例数为5/14,那么针对sunny的Entropy:
Entropy(Sunny)=,计算结果为:0.97095。
Outlook是OverCast的实例数为4(其中Yes的个数为4,No的个数为0),占总的实例数为4/14,那么针对Overcast的Entropy:
,计算结果为:0。
Outlook是Rain的实例数为5(其中Yes的个数为3,No的个数为2),占总的实例数为5/14,那么针对Rain的Entropy,
,计算结果为:0.97095。
那么最后针对Outlook条件属性的information gain为:
,计算结果为:0.24675。
所以针对某一条件属性的information gain为:
那么其他三个条件属性Temperature、Humidity、Wind的信息增益为:
我们看到Outlook的信息增益是最大的,所以作为决策树的一个根节点。即:
然后,从Outlook下面出来三个树枝,最左边的Sunny,我们从Outlook是Sunny的实例数据中,找到信息增益最大的那一个,依次类推。
(注释:http://blog.csdn.net/mmc2015/article/details/42525655;而下面程序本人写的)
clc;
clear all;
close all; %% 导入数据
%data = [1,1,1;1,1,1;1,0,0;0,1,0;0,1,0]; data = [0,2,0,0,0;
0,2,0,1,0;
1,2,0,0,1;
2,1,0,0,1;
2,0,1,0,1;
2,0,1,1,0;
1,0,1,1,1;
0,1,0,0,0;
0,0,1,0,1;
2,1,1,0,1;
0,1,1,1,1;
1,1,0,1,1;
1,2,1,0,1;
2,1,0,1,0];
% data = {'sunny','hot','high','week','no';
% 'sunny','hot','high','strong','no';
% 'overcast','hot','high','week','yes';
% 'rain','midd','high','week','yes';
% 'rain','cool','nomal','week','yes';
% 'rain','cool','nomal','strong','no';
% 'overcast','cool','nomal','strong','yes';
% 'sunny','midd','high','week','no';
% 'sunny','cool','nomal','week','yes';
% 'rain','midd','nomal','week','yes';
% 'sunny','midd','nomal','strong','yes';
% 'overcast','midd','high','strong','yes';
% 'overcast','hot','nomal','week','yes';
% 'rain','midd','high','strong','no'};
%sunuy-0,overcast-1,rain-2;--hot-2,midd-1,cool-2---high-0,nomal-1--week-0,strong-1,no-0,yes-1 %% 生成决策树
make_tree(data); function make_tree(train_data)
%input train_data 训练数据
%output [m,n] = size(train_data);
disp('original data');
disp(train_data);
class_list = train_data(:,n);
class_first = 1; for i = 2:m
if train_data(i,n) == class_list(1,:)
% if strcmp(train_data(i,n),class_list(1,:))
class_first = class_first + 1;
end
end %% 退出程序条件
if class_first == m || n == 1
disp('final data');
disp(train_data);
return;
end %% 建立决策树
bestfeat = choose_bestfeat(train_data); disp(['bestfeature:',num2str(bestfeat)]); featvalue = unique(train_data(:,bestfeat)); featvalue_num = length(featvalue); for i = 1:featvalue_num
make_tree(splitData(train_data,bestfeat,featvalue(i,:)));
disp('--------------------------------------------');
end
end function [best_feature] = choose_bestfeat(data)
%input data 输入数据
%output bestfeature 选择特征值 [m,n] = size(data);
feature_num = n - 1;
baseentropy = calc_entropy(data); best_gain = 0;
best_feature = 0; %% 挑选最佳特征位
for j =1:feature_num
feature_temp = unique(data(:,j));
num_f = length(feature_temp);
new_entropy = 0;
for i = 1:num_f
subSet = splitData(data, j, feature_temp(i,:));
[m_s,n_s] = size(subSet);
prob = m_s./m;
new_entropy = new_entropy + prob * calc_entropy(subSet);
end
inf_gain = baseentropy - new_entropy;
if inf_gain > best_gain
best_gain = inf_gain;
best_feature = j;
end
end
end function [entropy] = calc_entropy(train_data)
%input train_data 训练数据
%output entropy 熵值 [m,n] = size(train_data); %% 得到类的项并统计每个类的个数
label_value = train_data(:,n);
label = unique(label_value);
label_number = zeros(length(label),2);
label_number(:,1) = label';
for i = 1:length(label)
label_number(i,2) = sum(label_value == label(i));
end %% 计算熵值
label_number (:,2) = label_number(:,2) ./ m;
entropy = 0;
entropy = sum(-label_number(:,2).*log2 (label_number(:,2))); end function [subSet] = splitData(data, j, value)
%input data 训练数据
%input j 对应第j个属性
%input value 第j个属性对应的特征值
%output sunset 熵值 subSet = data;
subSet(:,j) = [];
k = 0;
for i = 1:size(data,1)
if data(i,j) ~= value
subSet(i-k,:) =[];
k = k + 1;
end
end
end function [subSet] = splitData(data, j, value)
%input data 训练数据
%input j 对应第j个属性
%input value 第j个属性对应的特征值
%output sunset 熵值 subSet = data;
subSet(:,j) = [];
k = 0;
for i = 1:size(data,1)
if data(i,j) ~= value
subSet(i-k,:) =[];
k = k + 1;
end
end
end
最新文章
- ASP模拟POST请求异步提交数据的方法
- vmware虚拟机 32位Ubuntu 安装matlab_R2012A问题小记
- js中模仿接口继承
- 黑马程序员——JAVA基础之Map集合
- I/B/P SP/SI
- Linear Regression
- 跟随屏幕滚动层、遮罩层、获取Div相对定位、整个屏幕、html文档的jquery基本操作
- Windows Server 2008 R2 配置AD(Active Directory)域控制器 -zhai zi wangluo
- CodeForces 456A
- 一次开放接口从需求分析到发布sdk线上包
- jQuery系列 第三章 jQuery框架操作CSS
- MySQL CURTIME() 函数
- poj3436(拆点最大流)
- CentOS7下安装Redis5.0.2
- Connection failed Flowsocketconnector Failed to connect to target addressWindows error10061:由于目标计算机积极拒绝,无法连接
- k3 Bos开发百问百答
- C语言实现链栈
- DevExpress GridControl小结
- 控件布局_TableLayout
- DNS解析全过程分析